php（模糊）搜索匹配

Question

如果有人曾经提交过故事，那么它会检查故事是否已经提交，我通过模糊搜索来假设。

我想实现类似的东西，并想知道他们是否使用的是开源的php类？

Soundex不这样做，句子/字符串的长度最多可达250个

Answer 1

不幸的是，在PHP中执行此操作非常昂贵（高CPU和内存利用率。）但是，您当然可以将算法应用于小数据集。

要专门扩展如何创建服务器崩溃：几个内置的PHP函数将确定字符串之间的“距离”： levenshtein 和 similar_text 。

虚拟数据:(假装它们是新闻标题）

$titles = <<< EOF
Apple
Apples
Orange
Oranges
Banana
EOF;


$titles = explode("\n", $titles );

此时， $ titles 应该只是一个字符串数组。现在，创建一个矩阵，并将每个标题与其他标题进行比较，以确定相似性。换句话说，对于5个标题，您将获得一个5 x 5矩阵（25个条目。）这就是CPU和内存接收器所在的位置。

这就是为什么这种方法（通过PHP）不能应用于数千个条目的原因。但如果你想：

$matches = array();
foreach( $titles as $title ) {
    $matches[$title] = array();
    foreach( $titles as $compare_to ) {
        $matches[$title][$compare_to] = levenshtein( $compare_to, $title );
    }
    asort( $matches[$title], SORT_NUMERIC  );
}

此时你基本上拥有一个带有“文字距离”的矩阵。在概念（不是在实际数据中），它看起来有点像下表。注意有一组0对角线的值 - 这意味着在匹配循环中，两个相同的单词是 - 嗯，相同。

       Apple Apples Orange Oranges Banana
Apple    0     1      5      6       6
Apples   1     0      6      5       6
Orange   5     6      0      1       5
Oranges  6     5      1      0       5
Banana   6     6      5      5       0

实际的$ matches数组看起来像这样（截断）：

Array
(
    [Apple] => Array
        (
            [Apple] => 0
            [Apples] => 1
            [Orange] => 5
            [Banana] => 6
            [Oranges] => 6
        )

    [Apples] => Array
        (
      ...

无论如何，由你（通过实验）确定一个好的数字距离截止值可能最匹配 - 然后应用它。否则，请阅读sphinx-search并使用它 - 因为它确实有PHP库。

你很高兴问过这个吗？

Answer 2

我建议让用户提交的网址并将其存储在多个部分;域名，路径和查询字符串。使用PHP parse_url（）函数派生提交的URL的部分。

至少索引域名和路径。然后，当新用户提交URL时，您将在数据库中搜索与域和路径匹配的记录。由于列已编制索引，因此您将首先筛选出不在同一域中的所有记录，然后搜索其余记录。根据您的数据集，这应该更快，只需索引整个URL。确保以正确的顺序设置WHERE子句。

如果这不符合您的需求，我建议您尝试使用Sphinx。 Sphinx是一个开源的SQL全文搜索引擎，比MySQL内置的全文搜索要快得多。它支持词干和其他一些很好的功能。

http://sphinxsearch.com/

您还可以获取用户提交的标题或文本内容，通过函数运行以生成关键字，并在数据库中搜索包含这些或类似关键字的现有记录。

Answer 3

您可以（根据您的数据集的大小）使用mySQL的FULLTEXT搜索，并查找具有高分并且在特定时间范围内的项目，并向用户建议这些/这些。<​​/ p >

有关得分的更多信息，请访问：MySQL Fulltext Search Score Explained